UNIVERSIDAD NACIONAL DE

TRUJILLO
FACULTAD DE CIENCIAS FÍSICAS Y
MATEMÁTICAS
Escuela Profesional de Estadística

TAREA 2 GRUPAL
DOCENTES
ROSA D. GUTIERREZ DE ALARCÓN
MARIANA LUCÍA CUADRA MORENO
CURSO
INFERENCIA ESTADÍSTICA I
CICLO: V

ALUMNOS

 CHAVARRY AGUILAR JULIO ANTONIO

 CIRIACO GOICOCHEA EDINHO ALISON (COORDINADOR)
 GUTIERREZ MATOS MALENY NATALY
 ALDO JESUS RAMOS MARTINEZ
 MORALES VASQUEZ JUAN PEDRO

Trujillo, 2021
EJERCICIO 1

SOLUCION
A ¿ P ( X <6 )

X N (3 ; 100)
σ =10 ; μ=3 ; n=25

P ( X <6 )=P
( 10/X −3√ 25 < 10/6−3√ 25 )

P ( X <6 )=P Z< ( 32 )

P ( X <6 )=P ( Z <1.5 )

=DISTR.NORM. ESTAND.N(1.5;1)
P ( X <6 )=0.9331928
B ¿ P ( X > 0)
X N (3 ; 100)
σ =10 ; μ=3 ; n=25

P ( X >0 )=1−P ( 10/X−3√ 25 < 100−3

/ √25 )

P ( X >0 )=1−P Z ← ( 3
2 )
=DISTR.NORM.ESTAND.N(-1.5;1)
P ( X >0 )=1−0.0668072
 P ( X >0 )=0.9331928
C ¿ P ( 0< X < 6 )

X N (3 ; 100)
σ =10 ; μ=3 ; n=25

P ( 0< X < 6 )=P ( 10/0−3√ 25 < 10X/−3√25 < 10/6−3√25 )

P ( 0< X < 6 )=P ( −32 < Z< 32 )

P ( 0< X < 6 )=P (−1.5< Z< 1.5 )
P ( 0< X < 6 )=P ( Z <1.5 ) −P(Z ←1.5)

=DISTR.NORM.ESTAND.N(1.5;1)
=DISTR.NORM.ESTAND.N(-1.5;1)
P ( 0< X < 6 )=0.9331928−0.0668072
P ( 0< X < 6 )=0.8663856

D ¿ P ( S 2<151.75 ) =¿
σ =10 ; μ=3 ; n=25

2 ( n−1 ) S 2
χ=
σ2

P ( S 2 <151.75 )=P
[ ( 25−1 ) S2 ( 25−1 )( 151.75 )
( 10 )2
<
( 10 )2 ]
P ( S 2 <151.75 )=P χ 224<[ 24 ( 151.75 )
100 ]
P ( S 2 <151.75 )=P( χ 224 <36.42)

=DISTR.CHICUAD.CD(36.42; 24)
P ( S <151.75 )=0.95006
2

E ¿ P ( 65.25<S 2 <151.75 )
¿P
[
( 25−1 ) ( 65.25 ) ( 25−1 ) S2 ( 25−1 )( 151.75 )
( 10 )2
<
( 10 )2
<
( 10 )2 ]
¿P [ 24 ( 65.25 ) 2 24 ( 151.75 )
100
< χ 24<
100 ]
¿ P [ 15.66< χ 24 <36.42 ]
2

¿ P ( χ 24 <36.42 ) −P ( χ 24 <15.66 )
2 2

=DISTR.CHICUAD.CD(36.42; 24)
=DISTR.CHICUAD.CD(15.66; 24)
¿ 0.95006−0.10004
¿ 0.85001

P ( 65.25< S <151.75 ) =0.85001

2

2. El rendimiento de un procesador, Y, depende

principalmente de 4 componentes, X1, X2, X3 ,X4, del
modo siguiente: Y = 2X1 –X2 +1/2X3 -3X4 donde,

(
X 1 N ( μ1; σ 2 ) X 2 N μ2 ;
σ2
2 )
X 3 N ( μ1 ; 2 σ ) X 4 N ( μ 4 ; σ 2 / 3)
2

Si los componentes funcionan de forma independiente:

A) Calcular el valor medio del rendimiento μY =E [Y ] , y su

varianza
V(Y) = σ 2

B) Se dice que el rendimiento del procesador es deficiente si

baja de un límite L. Calcular la probabilidad de que el
procesador sea deficiente si se tiene que:
2
μ1=10 μ2=12 μ3=4 μ4 =1 σ =1 Y L=2
Solución :

A)
μY =E [ Y ] =E [ 2 X 1 ]−E [ X 2 ] + E [ X 3 /2 ]−E [ 3 X 4 ]

μ3
E [ Y ] =2 μ 1−μ2 + −3 μ 4
2
4
E [ Y ] =2 ( 10 )−12+ −3
2
μY =7

V ( Y )=V ( 2 X 1 ) +V ( X 2 ) +V ( X 3 / 2 ) +V (3 X 4 )

( )
2 2 2
2 σ 2σ σ
V ( Y )=4 σ + + +9
2 4 3

V ( Y )=8 σ 2
V ( Y )=8 ( 1 )=8

B¿

P ( Y < L ) → L=2

( )
X −μ
→ P ( Y < L )=P Z <
σ
√n

(
P ( Y < L )=P Z <
(2−7)(2)
√8 )
P ( Y < L )=P ( Z ←3.5355 )

P ( Y < L )=0.00020348
3. La calificación de una prueba de aptitud es una variable
aleatoria x que tiene distribución normal con media igual a 100.
Si se supone que la desviación estándar de todas las
calificaciones es σ =15 ¿Cuántas calificaciones se deben
escoger para que la media muestral este en el intervalo de 90.2
a 109.8 con probabilidad 0.95?

Solución:
X N (100 ; 15)
P ( 90.2< x< 109.8 )=0.95

P( ( 90.2−100
15
)√n
≤z≤
( 109.8−100 ) √ n
15 )
P( =0.95 )
−9.8 √ n 9.8 √ n
≤ z≤
15 15

P (−0.65 √ n ≤ z ≤0.65 √ n ) =0.95

P ( z ≤ 0.65 √ n )−P(z ≤−0.65 √ n)=0.95

0.975 0.025
0.65 √ n=1.96

( )
2
1.96
n=
0.65
n=9.0925 n=9

1. Suponer que 10 % de los neumáticos de un fabricante

tiene defectos en la superficie, y que los embarca en lotes
de 100 (suponer cada lote como una muestra aleatoria).

a) ¿Cuál es la probabilidad de que un lote contenga 8 o

menos neumáticos con defectos en la superficie?

P=10%=0.10 ; n=100

→ n.p=100(0.10) =10 ; √ np( p−1)=√ 100 ( 0.1 ) ( 0.9 ) =3

(
→ P ( x ≤8 )=P z ≤
( x+ 0.5 )−n . p
√ np ( p−1) ) (
=P z ≤
8.5−10
3 )
→ P ( x ≤8 )=P z ≤ ( −1.5
3 )
=P ( z ≤−0.5 )=0.3085

b) ¿Cuál es la probabilidad de que en una muestra de 50 lotes

al menos 14 contengan 8 o menos neumáticos con
defectos en la superficie?
P=30%=0.3 ; n=50
 → n.p=50(0.3) =15 ; √ np( p−1)=√ 50 ( 0.3 )( 0.7 )= √242

( ) ( )
( x−0.5 )−n . p 13.5−15
→ P ( x ≥14 )=1−P z ≤ =1−P z ≤
√np ( p−1 ) √ 42
2

→ P ( x ≥14 )=1−P z ≤
( 3
√ 42 )
=1−P ( z ≤−0.4629 )

→ P ( x ≥14 )=1−0.3217=0.6782

5- Las puntuaciones obtenidas en la escala de Locus de

Control de James por los sujetos, depresivos, siguen una
distribución Normal de media 90 y desviación típica 12. Si se
extraen muestras aleatorias simples de 30 sujetos depresivos
¿Por debajo de que cantidad se encontrará el 90% de las veces
el valor de la varianza de la muestra?

Teorema de Fisher
n=30 ; σ=12; μ=90

2 n s2
X n−1 →
σ2
2
2 30 s
X 29 →
144

→ p ( X 229 ≤ x )=0.9

x=39.09

p (
30 s 2
144
≤ 39.09 =0.9 )
(
p s2 ≤
( 39.09 ) ( 144 )
30 )
=0.9

p ( s ≤ 187.63 ) =0.9
2
 187.63

6) Suponer que 10 % de los neumáticos de un fabricante tiene

defectos en la superficie, y que los embarca en lotes de 100
(suponer cada lote como una muestra aleatoria)

A) ¿Cuál es la probabilidad de que un lote contenga 8 o menos

neumáticos con defectos en la superficie?
p=10 % →0.10 ;n=100
np=100 ( 0.10 )=10

σ =√ ( 100 )( 0.1 )( 0.9 ) =3

(
p ( x ≤ 8 )= p z ≤
8.5−10
3 )
p ( x ≤ 8 )= p ( z ≤−0.5 )
p ( x ≤ 8 )=0.3085

B) ¿Cuál es la probabilidad de que en una muestra de 50 lotes

al menos 14 contengan 8 o menos neumáticos con defectos en
la superficie?
p(x ≥14) ; n=50; p=0.3
μ=50 ( 0.3 )=15

σ =√ ( 50 ) ( 0.3 )( 0.7 )= √
42
2
p ( x ≥ 14 )=1− p ( x ≤ 13−0.5 )
p ( x ≥ 14 )=1− p ( x ≤ 12.5 )

( )
12.5−15
p ( x ≥ 14 )=1− p z ≤
√ 42
2

p ( x ≥ 14 )=1− p ( z ≤−0.772 )
p ( x ≥ 14 )=1−0.22665
p ( x ≥ 14 )=0.77935
 1. Las longitudes de las piezas producidas por una máquina
siguen una distribución Normal. Se sabe que el 75.8% de
las veces, la longitud de las piezas es mayor que 43 y el
57.93% de las veces es menor de 52.

a) Determinar los parámetros de la distribución.

Distribución Normal:
N (μ,σ )

P ( x> 43 )=0.758
P z<( )
( 52−μ )
σ
=0.5793

(
1−P z<
( 43−μ )
σ )=0.758
( 52−μ )
=0.2
σ

(
P z<
σ )
( 43−μ )
=1−0.758
Tenemos que:
52−μ
σ=
0.2

(
P z<
σ )
( 43−μ )
=1−0.758

(
P z<
σ )
( 43−μ )
=0.242

( 43−μ )
=−0.7
σ

Tenemos que:
−43−μ
σ=
0.7
P ( x<52 ) =0.5793
Igualamos:
−43−μ 52−μ
=
0.7 0.2

0.2(43−μ)=−0.7(52−μ)

8.6−0.2 μ=−36.4 +0.7 μ

0.9 μ=45

μ=50 ; σ =10

b) Determinar la probabilidad de que, en el mes de

noviembre, haya 6 días en los que la máquina produzca
piezas de longitud mayor a 60 cm.

(
P ( x>60 )=1−P z<
( 60−μ )
σ )
(
P ( x>60 )=1−P z<
( 60−50 )
10 )
P ( x>60 )=1−P ( z <1 )

P ( x>60 )=1−0.8413

P ( x>60 )=0.1587

8. La calificación de una prueba de aptitud es una variable

aleatoria X que tiene distribución normal con media igual a 100.
A) Si se supone que la desviación estándar de todas las
calificaciones es σ =15¿Cuantas calificaciones se deben escoger
para que la media muestral este en el intervalo de 90.2 a 109.8 con
probabilidad 0.95?
Solución:
X N (100 ; 15)
P ( 90.2< x< 109.8 )=0.95

P( ( 90.2−100
15
)√n
≤z≤
( 109.8−100 ) √ n
15 )
P( =0.95 )
−9.8 √ n 9.8 √ n
≤ z≤
15 15

P (−0.65 √ n ≤ z ≤0.65 √ n ) =0.95

P ( z ≤ 0.65 √ n )−P(z ≤−0.65 √ n)=0.95

0.975 0.025

0.65 √ n=1.96

( )
2
1.96
n=
0.65
n=9.0925 n=9

B) Si se escogen al alzar 16 calificaciones y se encuentra que la

desviación estándar σ =12 ¿Cuál es la probabilidad de que la mesa
muestral se encuentra entre 92.194 y 104?
Solución:
n=16 ; μ=100 ; σ =12

( )
( 104−100 ) ( 92.194−100 )
P ( 92.194< x <104 )=P ≤ z≤
12 12
4 4

P ( 92.194< x <104 )=P ( z ≤ 1.33 )−P( z ≤−2.60)

+DISTR.NORM.ESTAND.N(1.33;1)
+DISTR.NORM.ESTAND.N(-2,60;1)

P ( 92.194< x <104 )=0.90824−0.00466

P ( 92.194< x <104 )=0.90358

9. La utilidad (en miles de soles) por la venta de cierto artículo

es una variable aleatoria normal. Se estima que en el 5% de las
ventas la utilidad sería menos de 6.71, mientras que el 1 % de
las ventas sería mayores que 14.66. Si se realizan 16
operaciones de ventas, ¿cuál es la probabilidad de que el
promedio de la utilidad por cada operación este entre 10000 y
11000?

Solución :
N = 16 operaciones de ventas

→ Χ ε N (μ , σ )

i ¿ P ( x< 6.71 )=0.05

ii ¿ P ( x >14.66 ) =0.01

→ Mediamuestral ( Χ ) de 16 muestras de X , tienes una distribución :

(
N μ,
σ
√16 )
i ¿ P ( x ≤ 6.71 )=0.05

(
P z≤
6.71−μ
σ )
=0.05

P ( z ≤ a ) =0.05
a=−1.645
( 6.71−μ )
→ =−1.645
σ
6.71=−1.645 σ + μ

ii ¿ P ( x ≥14.66 )=0.01

1−P z ≤ ( 14.66−μ
σ
=0.01 )
(
P z≤
14.66−μ
σ )
=0.99

a=2.33
( 14.66−μ )
→ =2.33
σ
13.66=2.33 σ + μ
Resolvemos :
μ−1.645 σ=6.71
¿
μ−1.645 σ=6.71
−μ−2.33 σ=−14.66

→ μ=10 ; σ =2
→χ N¿
→χ N¿

→ P ( 10 ≤ X <11 )=P ( 10−10

0.25
<x<
0.25 )
11−10

P ( 10≤ X <11 ) =P ( 0< x< 4 )

P ( z< 4 )−P(z <0)

P ( z< 4 )−P(z <0)

+DISTR.NORM.ESTAND.N(4;1)
+DISTR.NORM.ESTAND.N(0;1)

0.9997−0.5
0.49997

EJERCICIO 10
 SOLUCIÓN
σ =0.5
X N ( μ ; 0.5)

A) Encuentre el valor de µ tal que al llenar vasos de 10 0nzas

solamente se derramen el 3 % de los vasos.

P ( x>10 )=0.03
P ( x<10 )=1−P( x >10)
P ( x<10 )=1−0.03
P ( x<10 )=0.97

P ( x−μ
0.5
<
0.5 )
10−μ
=0.97

P(z<
0.5 )
10−μ
=0.97

P ( z< a )=0.97

a=1.88079
10−μ
a=
0.5
10−μ
1.88079=
0.5
μ=10−1.88079(0.5)
μ=9.0596 ≈ μ=9.06

B) Con el valor de µ hallado en (A) encuentre la probabilidad

de que al llenar 100 vasos de 10 onzas el promedio del
líquido derramado sea mayor de 0.06

μ=9.06 ; σ =0.5 ; n=100

P ( X >0.06 )
 ( )
X −μ 0.06−μ
P >
σ σ
√n √n

( )
0.06−9.06
P Z>
0.5
√100
P Z>( 0.06−9.06
0.05 )
P ( Z >−180 )
+DISTR.NORM.ESTAND.N(-180;1)

P ( Z >−180 ) =00

C) Con cuantos vasos de 10 onzas se consigue que el

contenido promedio del líquido sea menor al promedio de
la población en 0.1225 onzas con probabilidad igual a
0.025
μ=μ x ; σ=0.5

( )
X−μ
P X> =0.025
σ
√n
Dato:
X −μ=−0.1225

X−μ −1225
=
σ 0.5
√n √n
 X−μ
σ
=−√ n (
1225
0.5 )
√n
X−μ
=−√ n ( 0.2451 )
σ
√n
Reemplazamos en:

( )
X−μ
P X> =0.025
σ
√n
P ( X > √ n(−0.2451) ) =0.025
+INV.NORM.ESTAND(0.025)
√ n (−0.245 )=−1.96
−1.96
√ n=
−0.245
n=64